Autor: Nocoń Adrian
Wydawnictwo: Wydawnictwo Naukowe PWN
Stron: 220
Data wydania: 2018-05-15
Typ: książka
Druk: tak
Wersja elektroniczna: nie
ISBN:
978-8-30-119708-7
15-05-2018
16.5 x 23.5 cm
nie
nie
nie
Rozwiązania oparte na metodach sztucznej inteligencji (AI), w szczególności w odniesieniu do napędów elektrycznych i maszyn elektrycznych pracujących w systemie elektroenergetycznym, znalazły obecnie stałe miejsce w praktyce inżynierskiej. Zaistniała wobec tego potrzeba kształcenia kadry inżynierskiej w tym zakresie.
Publikacja ta, będąca częścią serii „MASZYNY ELEKTRYCZNE” zawiera ćwiczenia i przykłady pogrupowane według zagadnień takich przykładowo, jak:
Książkę kierujemy przede wszystkim do studentów kierunków technicznych i informatycznych, typu: elektrotechnika, mechatronika, automatyka i robotyka czy informatyka.
1. Przedmowa
2. Metody wspomagania komputerowego, systemy CAD
2.1. Podstawy teoretyczne
2.2. Przykłady zastosowań technik komputerowych
Przykład 2.1: Modelowanie silnika prądu stałego – model własny
Przykład 2.2: Modelowanie silnika prądu stałego – model standardowy
Przykład 2.3: Dobór nastawień regulatorów w układzie napędowym prądu stałego
Przykład 2.4: Modelowanie stanu przejściowego przy załączeniu napięcia w stanie jałowym transformatora
Przykład 2.5: Modelowanie stanu ustalonego silnika asynchronicznego
Przykład 2.6: Modelowanie rozruchu asynchronicznego silnika synchronicznego
Przykład 2.7: Uwzględnienie niepewności metodą symulacji Monte Carlo
3. Algorytmy genetyczn
3.1. Podstawy teoretyczne
3.2. Przykłady zastosowań algorytmów genetycznych
Przykład 3.1: Minimalizacja funkcji podstawowym algorytmem genetycznym
Przykład 3.2: Minimalizacja funkcji zmodyfikowanym algorytmem genetycznym
Przykład 3.3: Estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego
Przykład 3.4: Optymalizacja wielokryterialna parametrów regulatora typu PI
4. Sztuczne sieci neuronowe
4.1. Podstawy teoretyczne
4.2. Przykłady zastosowań sztucznych sieci neuronowych
Przykład 4.1: Aproksymacja funkcji nieliniowej
Przykład 4.2: Detekcja amplitudy przebiegu odkształconego
Przykład 4.3: Neuronowy model cieplny
Przykład 4.4: SSN do diagnozowania zwarć wewnętrznych transformatora jednofazowego
Przykład 4.5: Neuronowy estymator prędkości obrotowej silnika prądu stałego
5. Logika rozmyta i rozmyte sieci neuronowe
5.1. Podstawy teoretyczne
5.2. Przykłady zastosowania logiki rozmytej
Przykład 5.1: Rozmyty regulator temperatury pieca oporowego
Przykład 5.2: Rozmyty regulator prędkości wirowania silnika prądu stałego z ogranicznikiem prądu twornika
Przykład 5.3: Regulator PI z rozmytą adaptacją parametrów
Przykład 5.4: Neuronowo-rozmyty estymator prędkości obrotowej silnika prądu stałego
6. Prototypowanie w badaniach laboratoryjnych
7. Podsumowanie
8. Literatura